结合深度学习和超像元的高分遥感影像变化检测

发布时间：2022-09-30 19:08

　　目的随着遥感影像空间分辨率的提升,相同地物的空间纹理表现形式差异变大,地物特征更加复杂多样,传统的变化检测方法已很难满足需求。为提高高分辨率遥感影像的变化检测精度,尤其对相同地物中纹理差异较大的区域做出有效判别,提出结合深度学习和超像元分割的高分辨率遥感影像变化检测方法。方法将有限带标签数据分割成切片作训练样本,按照样本形式设计一个多切片尺度特征融合网络并对其训练,获得测试图像的初步变化检测结果;利用超像元分割算法将测试图像分割成许多无重叠的同质性区域,并将分割结果与前述检测结果叠合,得到带分割标记的变化检测结果;用举手表决算法统计带分割标记的变化检测结果中超像元的变化状况,得到最终变化检测结果。结果在变化检测实验结果中,本文提出的多切片尺度特征融合卷积网络模型在广东数据集和香港数据集上,优于单一切片尺度下卷积神经网络模型,并且结合超像元的多切片尺度特征融合卷积网络模型得到的Kappa系数分别达到80%和82%,比相应的非超像元算法分别提高了6%和8%,在两个测试集上表现均优于长短时记忆网络、深度置信网络等对比算法。结论本文提出的卷积神经网络变化检测方法可以充分学习切片的空间信息和其他... 

【文章页数】：12 页

【文章目录】：
0 引 言
1 结合深度学习和超像元分割的变化检测方法
    1.1 面向变化检测的遥感影像预处理
    1.2 基于深度监督学习的变化检测模型
        1.2.1 样本选择
        1.2.2 多尺度切片特征融合网络(MPFF-CNN)
    1.3 结合深度学习和超像元分割的变化检测模型
2 实验与分析
    2.1 实验数据
    2.2 实验结果分析
        2.2.1 切片尺度分析
        2.2.2 超像元个数敏感度分析
        2.2.3 变化检测结果分析
3 结 论


【参考文献】：
期刊论文
[1]多时相遥感影像变化检测方法综述[J]. 眭海刚,冯文卿,李文卓,孙开敏,徐川.  武汉大学学报(信息科学版). 2018(12)
[2]高分辨率遥感影像的深度学习变化检测方法[J]. 张鑫龙,陈秀万,李飞,杨婷.  测绘学报. 2017(08)
[3]超像素分割算法研究综述[J]. 王春瑶,陈俊周,李炜.  计算机应用研究. 2014(01)



本文编号：3684109